改進的yolo v3 目標檢測算法

車瑩

(云南師范大學信息學院,云南 昆明 650000)

1 概述

目標檢測是計算機視覺領域研究的重要基礎,不論是實現圖像與文字的交互還是特定目標的跟蹤,目標檢測都能夠提供可靠有效的信息,因而目標檢測在人工智能和信息技術等眾多領域都有廣泛的應用,如機器視覺、智慧安保、醫學影像中的病灶檢測、自動駕駛、行為理解、人機交互、基于內容的圖像檢索、智能視頻監控等[1-6]。目標檢測的實時性和準確性為目標后續的追蹤與行為識別提供良好條件。隨著深度學習技術的不斷發展,豐富多樣的深度學習目標檢測算法被提出。目前基于深度學習且應用比較廣泛的目標檢測算法可以分為兩類：

(1) 基于兩階段的目標檢測算法如Mask R-CNN、fast-rcnn、faster-rcnn 等。兩階段目標檢測算法先使用區域候選網絡(RPN)提取候選目標信息,再利用檢測網絡完成對候選目標的位置和類別的預測和識別；

(2)基于一階段的目標檢測算法如2016 年的yolo 算法、yolo900,2018 年的yolo v3 算法, 其中yolo v3 算法使用了darknet53 主干特征提取網絡,該網絡借鑒了resnet 思想、ssd 目標檢測算法。基于一階段的目標檢測算法直接通過網絡端到端的輸出目標的位置和類別,無需預先提取區域候選網絡,因此檢測速度更快,但較于二階段檢測模型其檢測的精度有待提高。

2 研究與方法

2.1 yolo v3 網絡結構

yolo v3 的主干特征提取網絡采用darknet53,darknet53 由5 個殘差塊構成,每個殘差塊又包含若干殘差單元。

圖1 rfb 結構

2.2 yolo v3 網絡的改進

卷積神經網絡通過逐層抽象的提取目標特征,高層特征圖感受野較大,包含信息較多,可以準確的檢測出目標。低層特征分辨率高,幾何信息表征能力強,但感受也較小,包含了目標的細節、紋理信息。隨著卷積網絡的不斷加深,低層特征圖信息易丟失,因此對原yolo v3 網絡進行改進。采用增大感受野的rfb模塊,用于提取更多的特征信息。rfb 模塊包括級聯卷積層和空洞卷積。結構如圖1 所示。

yolo v3 第三個、第四個殘差塊經過降采樣輸出的特征圖包含的信息比高層特征圖要少,因此分別在其后面添加rfb 模塊,增加特征圖的感受野,用于提取更多特征信息。

2.3 冗余框去除算法的改進

傳統的錨框冗余去除算法直接將低于閾值的框去除,導致部分有重疊情況的目標漏檢,因此需要對其進行改進行。柔性非極大值抑制方法對與最高分值的檢測框M 有重疊的相鄰檢測框的檢測分數進行衰減(而非將其分數直接設置為0)。柔性非極大值抑制通過設置懲罰機制實現了過濾無效重疊檢測框和避免不同物體漏檢,并提升檢測精度。當檢測框與最高分檢測框的iou 越大,其懲罰越大,懲罰公式如公式(1)所示：

Si為第i 個預測框的置信度,e 為自然底數,

M 為置信度最大的預測框,bi為第i 個預測框,?為常數0.5,D 為已經遍歷后的預測框集合。

3 仿真實驗結果與分析

3.1 實驗環境

實驗環境包括windows10 操作系統、cuda、python、pytorch、opencv,表1。

表1 實驗環境的硬件配置

3.2 實驗數據集

voc2007 數據集為標準數據集,訓練集5011 幅,測試集4952 幅,共計9963 幅圖,包含20 個種類。

3.3 實驗評價指標

采用目標檢測通用的評價指標-map 值對實驗進行評價。

3.4 實驗參數設置

初始學習率為le-3,采用adam 優化,batch size 為8。

3.5 實驗結果與分析

在實驗環境和實驗參數設置相同的條件下,分別對yolo v3網絡和優化后的網絡進行實驗, 實驗結果表明,優化后的網絡map 值提升了1.46%,見表2。

表2 實驗結果map 值

圖片檢測實驗結果圖,見圖2。